Integrasi kecerdasan buatan (AI) dalam dunia akademik dan riset kini memasuki babak baru. Meski menawarkan efisiensi tinggi, penggunaan model bahasa besar atau Large Language Models (LLM) masih dibayangi oleh fenomena 'halusinasi', yakni kecenderungan AI untuk menghasilkan informasi yang terdengar meyakinkan namun faktualnya keliru. Dalam disiplin ilmu sejarah, risiko kesalahan sekecil apa pun, seperti ketidaktepatan kronologi atau identitas tokoh, dapat merusak integritas narasi sejarah yang disampaikan.
Untuk menjawab tantangan tersebut, sebuah penelitian yang dilakukan oleh mahasiswa sistem informasi ITB mencoba mengimplementasikan pendekatan Retrieval Augmented Generation (RAG). Berbeda dengan AI konvensional yang hanya mengandalkan ingatan internal model, metode RAG memaksa sistem untuk melakukan penelusuran (retrieval) pada basis data dokumen yang telah dikurasi sebelum menyusun (generation) sebuah jawaban. Dengan kata lain, sistem bertindak seperti seorang peneliti yang merujuk pada arsip dan literatur kredibel alih-alih sekadar menebak jawaban.
Uji coba pada periode sejarah Indonesia tahun 1945-1998 menunjukkan hasil yang menjanjikan. Dengan mengintegrasikan buku-buku sejarah berotoritas akademik ke dalam basis pengetahuan, mesin pencari mampu menyajikan narasi yang dilengkapi dengan rujukan spesifik, termasuk nama dokumen dan nomor halaman. Hal ini memungkinkan pengguna atau peneliti untuk melakukan verifikasi silang secara mandiri, yang secara drastis meningkatkan kredibilitas hasil informasi yang disajikan.
Meskipun RAG terbukti efektif dalam meminimalkan halusinasi pada topik-topik sejarah yang spesifik atau jarang dibahas, efektivitasnya tetap bergantung pada kualitas korpus dokumen yang tersedia. Kresno Brahmantyo, seorang sejarawan publik, menilai bahwa teknologi ini berpotensi menjadi tulang punggung bagi digitalisasi arsip di masa depan. Pengembangan lebih lanjut, seperti integrasi dengan dokumen arsip nasional yang telah diproses melalui Optical Character Recognition (OCR), akan menciptakan ekosistem pembelajaran sejarah yang transparan, interaktif, dan dapat dipertanggungjawabkan secara ilmiah.
Pada akhirnya, pendekatan ini tidak sekadar menjadi peningkatan teknis semata, melainkan sebuah bentuk AI-mediated public history. Inovasi ini menjembatani kesenjangan antara kompleksitas riset sejarah akademik dengan kebutuhan masyarakat akan akses informasi sejarah yang cepat namun tetap berbasis pada fakta empiris yang akurat.
